幾個月前，DeepSeek還被寄予厚望。作為中國AI大模型領域的黑馬，它曾在春節期間一度沖上使用率7.5%的高點，在多個平臺展現出強勁的增長勢頭。
然而短短數月之后，形勢急轉直下。根據Semianalysis與Poe平臺提供的數據，截至今年5月，DeepSeek使用率已驟降至3%，官網流量下滑近三成，Token調用流量也從42%萎縮到16%。面對這種堪稱“斷崖式”的退潮，DeepSeek到底怎么了？
一、模型未迭代，新鮮感退卻
技術產品的生命線，是迭代。AI大模型的更是如此。
DeepSeek之所以在年初獲得一波流量爆發，很大程度上是因為其推出的R1模型在中文處理能力上表現亮眼，吸引了不少中文用戶和開發者。然而，這種增長并未得到持續的產品支持。
原計劃在5月發布的DeepSeek-R2遲遲未能上線，這成為使用率暴跌的直接導火索。市場原本期待通過R2看到DeepSeek能否突破R1的能力瓶頸，在多輪對話、長文本理解和代碼生成等方面迎頭趕上OpenAI的GPT-4和Anthropic的Claude。
如今這個期待被反復推遲，自然也就演變為失望。
更何況，AI用戶對模型能力的容忍度極低，一旦性能增長停滯，他們轉身的速度甚至比網文讀者棄書還快。跟傳統產業相比，AI時代的新常態是：技術紅利有保質期，而用戶忠誠卻沒有。
二、技術焦慮：硬件短缺、模型能力雙重滯后
DeepSeek并非無所作為。據The Information報道，其團隊一直在密集推進R2開發，CEO梁文鋒本人對模型能力的標準相當嚴苛，這種“追求更好”的執念值得敬佩。然而，技術產品的尷尬在于——“還沒準備好”也可能意味著“已經太遲”。
此外，英偉達H20芯片短缺對整個中國AI產業鏈都是一道難題，DeepSeek首當其沖。高性能GPU的匱乏限制了模型的訓練效率和部署能力。也正因如此，R2的跳票并非單純的產品管理失誤，也暴露出國產AI基礎設施的脆弱性。
在AI大模型領域，僅靠算法與人才遠遠不夠，算力與資本才是決定生死的基石。
三、市場環境變了，強敵環伺之下腹背受敵
在DeepSeek陷入“更新難產”之際，競爭對手們卻在全速前進。
OpenAI發布GPT-4o后，ChatGPT官網流量增長40.6%；谷歌Gemini則借助多模態能力，實現了85.8%的流量增長。Anthropic的Claude、Mistral的開源模型、Meta的Llama家族也都在不斷搶奪用戶注意力。
尤其是GPT-4o的免費化策略，對所有中高端國產模型構成降維打擊。當用戶能在官方渠道免費使用一個比DeepSeek更強、更快、更穩定的模型時，國產模型所仰賴的“民族親切感”與“中文優化”就顯得不那么有殺傷力了。
換句話說：產品力不足時，情懷也拯救不了冷冰冰的留存率。
四、產品戰略失衡：模型強，但“平臺感”不足
相比OpenAI、Anthropic等公司，DeepSeek在“產品+平臺”的打造上還顯稚嫩。雖然DeepSeek官網功能齊全，但在用戶體驗、插件生態、文檔支持、第三方API接入等方面明顯滯后。而ChatGPT已經逐步完成了從“AI模型”到“AI操作系統”的躍遷。
此外，不少用戶反映DeepSeek官網對話體驗缺乏記憶能力、響應速度不穩定，甚至UI設計也偏“工程氣”，難以打動泛用戶人群。這種“重技術、輕產品”的傾向，在初期可以靠硬核用戶撐起門面，但在市場擴張期就成了短板。
更致命的是：DeepSeek雖然有被騰訊元寶、夸克、百度等平臺接入，但自身缺乏像Claude或OpenAI那樣具備清晰品牌感與平臺閉環的核心陣地。在用戶心中，它更像是一個“被接入的模型”，而非“主動打開的網站”。
五、數據爭議也難改趨勢真相
也有人對Semianalysis和Poe的數據提出質疑，認為其忽略了中國市場上各類分發渠道的真實活躍情況。比如很多用戶通過夸克、QQ瀏覽器等場景調用DeepSeek，官網流量下降未必代表整體使用萎縮。
這個質疑并非毫無道理。但需要注意的是：即使排除數據偏差，DeepSeek用戶活躍度的下滑也基本成為共識。不少開發者反饋，DeepSeek最近兩個月在API調用與集成服務中的響應質量明顯波動，部分用戶已遷移到Kimi、百川智能等平臺。
換言之，即便數據不精確，但“趨勢是真實的”。一個模型使用率在多個平臺、多種渠道下同步走低，其背后必然是能力、產品、運營三者的共振下滑。
結論：當潮水退去，誰在裸泳？
DeepSeek的斷崖式下跌提供了一個重要警示：AI行業的爆發，不等于某家公司的成功。
中國大模型賽道從“百模大戰”走到“幾強爭霸”，已經進入洗牌期。技術、算力、運營、生態，缺一不可。
當然，DeepSeek并不是失敗了，它只是暫時沒能跨過第二道門檻。從技術人主導的科研項目，進化為一個真正可持續的AI產品平臺，仍需時間。但市場不會停下來等你。
潮水退去時，所有公司的底牌才開始顯露。DeepSeek能否逆風翻盤，不僅取決于R2的上線速度，更取決于它能否真正打磨出一個足以留住用戶的“體驗閉環”。
而這，恰恰是中國所有AI模型的下半場考題，也是中國科技行業一直以來的老大難問題。